awk
文本三剑客之一 awk:
awk是一个强大的文本分析工具，相对于grep的查找，sed的编辑，awk在其对数据分析并生成报告时，显得尤为强大。简单来说awk就是把文件逐行的读入，以空格为默认分隔符将每行切片，切开的部分再进行各种分析处理。
awk有3个不同版本: awk、nawk和gawk，未作特别说明，一般指gawk，gawk 是 AWK 的 GNU 版本
grep, sed, awk
grep: 文本过滤器
sed: 行编辑器
awk: 报告生成器
AWK a.k.a Aho, Weinberger, Kernighan
Gnu AWK, gawk
基本语法
awk [options] 'program' file file ...
awk [options] 'PATTERN{action}' file file ...
-F CHAR：输入分隔符
awk的输出
print item1, item2,...
要点：
各项目之间使用逗号分隔，而输出时则使用输出分隔符分隔；
输出的各item可以字符串或数值、当前记录的字段、变量或awk的表达式；数值会被隐式转换为字符串后输出；
print后面item如果省略，相当于print $0；输出空白，使用pirnt ""；
awk的变量
内置变量，自定义变量
内置变量
FS：Field Seperator, 输入时的字段分隔符
# awk 'BEGIN{FS=":"}{print $1,$7}' /etc/passwd
RS：Record Seperator, 输出行分隔符
OFS: Output Field Seperator, 输出时的字段分隔符;
ORS: Outpput Row Seperator, 输出时的行分隔符；
NF：Numbers of Field，字段数
NR：Numbers of Record, 行数；所有文件的一并计数；
FNR：行数；各文件分别计数；
ARGV：数组，保存命令本身这个字符，awk '{print $0}' 1.txt 2.txt，意味着ARGV[0]保存awk,
ARGC: 保存awk命令中参数的个数；
FILENAME： awk正在处理的当前文件的名称；
可自定义变量
-v var_name=VALUE
变量名区分字符大小写；
可以program中定义变量；
可以命令行中通过-v选项自定义变量；
awk的printf命令
命令的使用格式：printf format, item1, item2,...
要点：
要指定format；
不会自动换行；如需换行则需要给出\n
format用于为后面的每个item指定其输出格式；
format格式的指示符都%开头，后跟一个字符：
%c: 显示字符的ASCII码；
%d, %i: 十进制整数；
%e, %E: 科学计数法显示数值；
%f: 显示浮点数；
%g, %G: 以科学计数法格式或浮点数格式显示数值；
%s: 显示字符串；
%u: 显示无符号整数；
%%: 显示%自身；
修饰符：
#：显示宽度
-：左对齐
+：显示数值的符号
.#: 取值精度
awk输出重定向
print items > output-file
print items >> output-file
print items | command
特殊文件描述符：
/dev/stdin: 标准输入
/dev/stdout: 标准输出
/dev/stderr: 错误输出
awk的操作符
条件表达式:
selector?if-true-expression:if-false-expression
# awk -F: '{$3>=500?utype="common user":utype="admin or system user";print $1,"is",utype}' /etc/passwd
函数调用：
function_name(argu1,argu2)
模式
Regexp: 格式为/PATTERN/
仅处理被/PATTERN/匹配到的行；
Expression: 表达式，其结果为非0或非空字符串时满足条件；
仅处理满足条件的行；
Ranges: 行范围，此前地址定界，startline, endline
仅处理范围内的行
BEGIN/END: 特殊模式，仅在awk命令的program运行之前（BEGIN）或运行之后（END）执行一次；
Empty:空模式，匹配任意行；
常用的action
Expressions
Control statements
Compound statements
input statements
output statements
控制语句
if-else
格式：if (condition) {then body} else {else body}
# awk -F: '{if ($3>=500) {print $1,"is a common user"} else {print $1, "is an admin or system user"}}' /etc/passwd
# awk '{if (NF>=8) {print}}' /etc/inittab
while
格式：while (condition) {while body}
# awk '{i=1; while (i<=NF){printf "%s ",$i;i+=2};print ""}' /etc/inittab
# awk '{i=1; while (i<=NF){if (length($i)>=6) {print $i}; i++}}' /etc/inittab
length()函数：取字符串的长度
do-while循环
格式：do {do-while body} while (condition)
for循环
格式：for (variable assignment; condition; iteration process) {for body}
# awk '{for (i=1;i<=NF;i+=2){printf "%s ",$i};print ""}' /etc/inittab
# awk '{for (i=1;i<=NF;i++){if (length($i)>=6) print $i}}' /etc/inittab
for循环可用来遍历数组元素：
语法：for (i in array) {for body}
case语句
语法：switch (expression) {case VALUE or /RGEEXP/: statement1;... default: stementN}
循环控制
break
continue
next
提前结束对本行的处理进而进入下一行的处理；
# awk -F: '{if($3%2==0) next;print $1,$3}' /etc/passwd
# awk -F: '{if(NR%2==0) next; print NR,$1}' /etc/passwd
数组
关联数组：
array[index-expression]
index-expression: 可以使用任意字符串; 如果某数组元素事先不存在，那么在引用时，awk会自动创建此元素并将其初始化为空串；因此，要判断某数组是否存在某元素，必须使用“index in array”这种格式；
A[first]="hello awk"
print A[second]
要遍历数组中的每一个元素，需要使用如下特殊结构：
for (var in array) {for body}
其var会遍历array的索引；
state[LISTEN]++
state[ESTABLISHED]++
# netstat -tan | awk '/^tcp/{++state[$NF]}END{for (s in state) {print s,state[s]}}'
# awk '{ip[$1]++}END{for (i in ip) {print i,ip[i]}}' /var/log/httpd/access_log
删除数组元素：
delete array[index]
awk的内置函数
split(string,array[,fieldsep[,seps]])：
功能：将string表示的字符串以fieldsep为分隔符进行切片，并切片后的结果保存至array为名的数组中；数组下标从1开始；
root:x:0:0::/root:/bin/bash
user[1]="root", user[2]
此函数有返回值，返回值为切片后的元素的个数
# netstat -tn | awk '/^tcp/{lens=split($5,client,":");ip[client[lens-1]]++}END{for (i in ip) print i,ip[i]}'
length(string)
功能：返回给定字串的长度
substr(string,start[,length])
功能：从string中取子串，从start为起始位置为取length长度的子串